45 dengan tingkat kolonieritas 0.95. Walaupun multikolonieritas dapat dideteksi
dengan nilai Tolerance dan VIF, tetapi kita masih tetap tidak mengetahui variabel-variabel independen mana sajakah yang saling berkorelasi.
3.9.2.3 Uji Autokorelasi
Menurut Ghozali 2012 : 110 uji autokorelasi bertujuan menguji “apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode
t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena
obeservasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi
ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series karena “gangguan” pada sesorang individukelompok cenderung
mempengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnya.
Pada data cross section silang waktu, masalah autokorelasi relatif jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari
individukelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Ada cara yang dapat digunakan untuk medeteksi ada atau
tidaknya autokorelasi dengan Uji Durbin-Watson DW test. Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu dan mensyaratkan adanya
intercept konstanta dalam model regresi dan tidak ada variabel lag di antara variabel independen. Hipotesis yang akan diuji adalah:
Ho : tidak ada autokorelasi r=0
46 Ha : ada autokorelasi r
≠0 Pengambilan keputusan ada tidaknya autokorelasi:
Hipoteis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dI
Tidak ada autokorelasi positif No desicison
dI ≤ d ≤ du
Tidak ada korelasi negatif Tolak
4 - dI d 4 Tidak ada korelasi negatif
No desicison 4 – du
≤ d ≤ 4 – dI Tidak ada autokorelasi, positif
atau negatif Tidak ditolak
du d 4 - du 3.9.2.4 Uji Heteroskedastisitas
Menurut Ghozali 2012 : 139 uji heteroskedastisitas bertujuan menguji
“apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain”. Jika variance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun
data yang mewakili berbagai ukuran kecil, sedang dan besar. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas:
a. Melihat Grafik Plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas
dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESIID dan ZPRED dimana sumbu Y adalah yang telah
diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized.
b. Uji Glejser Glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel
47 independen. Jika variabel independe signifikan secara statistik mempengaruhi
variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Hal ini dapat dilihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi
dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas.
3.9.3 Pengujian Hipotesis
